尽管物联网只是最近才成为一种“东西”，但业内人士都很清楚，几十年来，制造业一直在收集大量数据。但随着连通性和分析能力的提高，真正掌握数据所提供的功能已成为越来越接近的现实。
预测分析及其实现预测而非反应性维护的能力是制造商的一大改变。施耐德电气软件公司信息、资产和运营软件副总裁Rob McGreevy指出，施耐德电气一直非常重视优化企业资产绩效管理(APM)，其Avantis PRiSM是这一努力的最新成果，捕获所有高保真的过程数据，以诊断资产健康状况。
Avantis PRiSM预测分析监测关键资产的实时运行状况和性能，以预测设备故障或衰减点。人工智能、先进的模式识别和复杂的数据挖掘提供的功能可以降低维护成本，提高可用性、可靠性和容量。
Avantis PRiSM可以在设备故障预警之前的几天、几周或几个月提供预警通知和诊断，而传统的维护实践可能会忽略这些故障预警。
上个月，在达拉斯举行的施耐德电气2015 Wonderware大会上，McGreevy向行业媒体和分析师表示:“这一产品的价值非常高。”“93%的客户报告过设备故障。”
例如，在一个案例中，一家公用事业公司的蒸汽模型涡轮机遇到了零星的问题;这种情况不断升级，最终导致该单位关闭进行纠正措施。但是在完成维护之后，除了新的问题之外，一个类似的零星问题循环又开始了。
用Avantis PRiSM分析机组的原始历史数据，很明显，如果这种工具到位，可以提供早期预警，涡轮机热膨胀问题正在发展，并在一年中成为慢性问题。通过建模练习，该工具能够在故障发生前6个月通过早期预警检测故障模式。该模型表明，轴承振动是一个症状，而热膨胀问题是问题的主要原因。在热膨胀问题导致轴承振动问题和机组停机之前，积极的补救维护就可以纠正热膨胀问题。
这样不仅可以避免大量的维护成本，而且公用事业公司还可以通过增加机组可用性来增加销量。在这种情况下，估计节省了数百万美元——这是避免了35天的停机时间和相关维修成本的结果。
